机器人加了触觉反而更笨：把“手感”翻译一遍，拉拉链成绩从15%升到59%

给机器人的手指装上触觉传感器，它拉拉链的表现竟然更差了。蚂蚁灵波团队11月9日提交的技术报告显示，π0.5模型控制Sharpa Wave灵巧手时，不用触觉的任务成绩是39%，直接加入原始触觉信号后降到15%；先经过LingBot-Touch处理，再交给动作模型，成绩升到59%。这组数字按任务步骤计分，并非完整拉好拉链的次数占比。

问题不只是手指有没有感觉，还在于机器人读不读得懂。不同传感器分别测量形变、磁场或电阻，输出格式各异。LingBot-Touch在它们和动作模型之间加入统一编码层，把不同硬件的接触信号转换成可复用的特征。量子位随后报道了这项研究，其原始报告、推理代码和模型权重也已公开。

更有意思的是换手之后的表现。XHand1使用的磁触觉传感器没有出现在预训练数据中，团队保持触觉编码器参数不变，再训练负责动作的模型。在六项真机任务上，π0.5使用原始触觉时的平均成绩为48%，换成编码后的触觉特征后升至74.17%。这意味着某款硬件积累的触觉经验，有机会用于另一款机器人的手。

拉拉链、取出叠杯和拧瓶盖的难点，往往藏在摄像头看不见的接触处。这项预印本研究展示了补上这部分感知的一条路线，但仍是团队控制条件下的实验：动作模型仍需任务示范和训练，部分测试也没有改善。让家务机器人稳定处理各种物品，还需要更广泛的实际验证。

来源时间：arXiv技术报告，北京时间2026年11月10日02:12／美国东部时间2026年11月9日13:12（EST）；量子位，北京时间2026年11月10日15:26:53／美国东部时间2026年11月10日02:26:53（EST）。